Розглянуто принципи здійснення моніторингу лісових масивів на підставі космічних зображень. Визначено основні спектральні діапазони космічних знімків для ефективної ідентифікації лісових масивів. Класифікацію здійснено за космічними знімками супутників Landsat 3 і Landsat 7 згідно з процедурою ISODATA програмного продукту ERDAS Imagine. Встановлено оптимальну кількість класів. Результат класифікації свідчить про значні зміни вікових і видових класових характеристик лісових об'єктів.

Досліджено методи контрольованої класифікації за спектральною відстанню, відстанню Махаланобіса та максимальною вірогідністю для ідентифікації лісів. Матеріалами слугували космічний знімок із супутника QuickBird і завіркова інформація, одержана наземними способами. Встановлено, що ефективними для класифікації лісів є методи максимальної вірогідності та на підставі визначення відстані Махаланобіса.

Надано методику гібридної класифікації, яка базується на визначенні оптимальної кількості класів з використанням неконтрольованої класифікації та подальшим опрацюванням зображень способами контрольованої класифікації. Запропоновано критерій визначення оптимальної кількості класів. Для дослідження ефективності ідентифікації типів лісів Прикарпатського регіону використано космічний знімок із супутника Ikonos. Проаналізовано вплив на точність ідентифікації лісів навчальних вибірок різних розмірів і методів класифікації: максимальної вірогідності, Махалонобіса, мінімальної відстані.

Представлена методика определения интегрального значения размытости изображений, полученных цифровыми аэрокамерами UltraCam D, 3-DAS-1 и ADS-40. Установлена неоднородность изображений одинаково экспонированных участков.

Предложена методика создания карт улиц специального формата StreetInfo, которые служат базой для процесса автоматического преобразования атрибутивной информации с адресной привязкой в пространственно координированую (геокодирования). Приведены технологическая схема метода, алгоритмы работы и результаты апробации карт улиц формата StreetInfo в среде инструментальной ГИС MapInfo.

На основании анализа литературы рассмотрены достижения и проблемы, касающиеся развития динамики и состояния лесов. Сформированы главные направления решения этой проблемы.

Исследованы методы контролированной классификации по минимальному расстоянию, расстоянию Махаланобиса и максимальному правдоподобию для идентификации лесов. Материалами служили космические снимки из спутников Ikonos, QuickBird и заверительная информация, полученная наземными способами. Установлено, что эффективным для классификации лесов является метод максимального правдоподобия.

Індекс рубрикатора НБУВ: Л540.4

Рубрики:

Каталітичні та контактні процеси перероблення рідких і газоподібних нафтових вуглеводнів

Шифр НБУВ: Ж29409/А Пошук видання у каталогах НБУВ 

Визначено можливості використання аерокосмічної інформації для розв'язання лісогосподарських завдань. Опрацьовано методику наближеного методу визначення функції передавання модуляції. Обгрунтовано кількість вимірів для визначення передавальних характеристик знімальних систем. Вперше на підставі опрацьованої методики проведено аналіз передавальних можливостей різних аерокамер і космічних знімальних камер. На підставі аналізу математичних моделей класифікації лісів опрацьовано методику гібридної класифікації та посткласифікаційної обробки зображень. Вдосконалено методику моніторингу різночасових вирубок лісів з використанням космічних зображень високого розрізнення.

Розглянуто та реалізовано методику двоетапної класифікації лісів Прикарпатського регіону з використанням космічного знімка, одержаного в літній період із супутника QuickBird-2. Методика полягає у використанні лісових масок для класифікації за алгоритмом максимальної вірогідності. Точність визначення площ становить 1 - 8 %. Оцінку точності визначення площ здійснено на підставі завіркової інформації.

Запропоновано можливість покращання тактико-технічних характеристик бортової радіостанції МХ-ДМХ діапазону за рахунок введення сигналів односмугової модуляції та швидкодіючої системи фазового автопідстроювання частоти (ФАПЧ).

Запропоновано можливість покращання тактико-технічних характеристик бортової радіостанції МХ-ДМХ діапазону за рахунок введення сигналів односмугової модуляції та швидкодіючої системи фазового автопідстроювання частоти (ФАПЧ).

Здійснено дослідження лісової пожежі у штаті Арізона (США) за космічними знімками. Для дослідження використано знімки, отримані зі супутників Landsat-5 (30 травня 2011 р.; 15 червня 2011 р.) і Landsat-7 (7 червня 2011 р.) на ділянку лісу штату Арізона. Для визначення площ пожежі та її змін за 30.05 - 15.06.2011 р. використано методи неконтрольованої та контрольованої класифікацій.

Подано основні відомості про охорону довкілля та класифікацію загрозливих явищ і процесів у навколишньому середовищі. Наведено результати досліджень із фотограмметрії, геоінформаційних технологій, дистанційного зондування, які стосуються загрозливих ситуацій (зсуви, землетруси, повені, техногенні загрози), дистанційного моніторингу об'єктів земної поверхні та негативних процесів на ній (зміни русел рік, лісового покриву, ерозія грунтів, льодовикові процеси в Антарктиді). Опрацьовано та реалізовано геоінформаційні технології у виконанні завдань розвитку регіонів і місцевої економіки (культурний ландшафт, рекреація, туризм, вітрова енергетика).

Мета роботи - моніторинг стану хвойних лісів Тухлянського лісництва Прикарпатського регіону на підставі космічних зображень середнього та високого розрізнення з використанням знімків, отриманих із безпілотного літального апарата (БПЛА). Для моніторингу стану лісів Тухлянського лісництва застосовано методику, що базується на використанні різних за спектральними характеристиками та розрізненістю космічних зображень, знімків, отриманих з БПЛА і, відповідно, їх опрацювання різними методами. Здійснено спектрофотометричні вимірювання здорової та пошкодженої хвойної рослинності для обгрунтування методів подальшого опрацювання зображень, розробки ефективних підходів до ідентифікації ділянок із засиханням хвойних дерев. Аналіз отриманих спектральних кривих надає змогу вибирати відповідні діапазони електромагнітного спектра для ідентифікації пошкодженої та сухої рослинності. Дослідження базується на використанні космічних знімків високого та середнього розрізнення, отриманих із супутників GeoEye-1 та Sentinel-2 на територію Тухлянського лісництва. Для отримання звіркової інформації та аналізу результатів використано знімання з БПЛА. Дослідження проводились на території Тухлянського лісництва Сколівського району Львівської області. Для проведення польових досліджень здійснено 3 експедиції. Під час останньої експедиції проведено знімання з БПЛА двох тестових ділянок. З метою ефективного використання спектральних ділянок відбиття відібрано зразки різного типу хвойної рослинності для проведення спектрофотометричних вимірювань. Аналіз отриманих спектральних кривих використано для вибору вегетаційних індексів, що надають можливість ідентифікувати пошкоджену та здорову рослинність. Для покращання інтерпретаційних можливостей індексних зображень створено синтезоване зображення за трьома вегетаційними індексами. Для визначення площ ділянок із пошкодженою хвойною рослинністю виконано контрольовану класифікацію за методом максимальної вірогідності. Проведено аналіз отриманих результатів. Наукова новизна полягає в опрацюванні методики виявлення пошкодженої та здорової хвойної рослинності на території Прикарпатського регіону. Теоретичною основою слугують спектрометричні дослідження здорової та пошкодженої рослинності, що надає можливість обгрунтувати вибір спектральних ділянок для максимально ефективного розділення різних типів хвойної рослинності та вибір вегетаційних індексів для їх ідентифікації. Опрацьована методика використання даних дистанційного зондування для ідентифікації пошкодженої та здорової рослинності надоає можливість виявляти не лише сухостій і здорову рослинність, а й пошкоджену рослинність. Це сприятиме своєчасному вирубуванню пошкоджених дерев, що надасть можливість не лише зберегти здоровий ліс від подальшого розповсюдження шкідників, а й отримати деревину, яку ще можна використати в деревообробній галузі.

Взаємодія між компанією та цільовою аудиторією досліджується вже століттями. З самого початку комерційних відносин, стосунки надавача послуг та отримувача цінувалися чи не понад усе. Торгівля побудована на довірі та повазі. Імідж підприємця часто є важливішим, ніж товар, який він продає. За багато сотень років, взаємини торговця і покупця, підприємця та клієнта не втратили важливості і в час масової диджиталізації якість відносин компанії та цільової аудиторії різного розміру та професійна підтримка зворотного зв'язку з клієнтами часто визначають успіх е-бізнесу. Для цього необхідні додаткові інструменти та інформаційні технології для допомоги бізнесменам слідкувати за можливостями розвитку е-бізнесу в певній локації, а також встановлювати зворотній зв'язок з користувачами за допомогою соціальних мереж та ЗМІ. Такі інструменти допоможуть суттєво розширити бачення ринкових можливостей для е-бізнесу, з'ясувати - в які з них є сенс інвестувати, а на які не варто витрачати час. Також побачити, яка ідея має майбутнє і яку бізнес-модель потрібну реалізувати/підтримувати/розвивати для стрімкого розвитку територіального/міжрегіонального е-бізнесу. Також допоможе розібратися, які важелі мають найбільший ефект для зміни політики бізнесу: що не чіпати, а що змінити, щоб забезпечити високу швидкість в реалізації задуму на основі аналізу відповідних результатів досліджень, наприклад, отримувати: прямий фідбек від клієнтів, динаміку зміни загальної задоволеності або зацікавленості цільової аудиторії та переваги/недоліки від користувачів за допомогою NLP-аналізу; підтримку розвитку е-бізнесу відносно локацій знаходження їхнього підприємства та найкращі напрями розвитку; графіки розвитку бізнесу (покращення/погіршення) залежно від змісту коментарів. Мета дослідження - розробка інформаційної технології підтримки розвитку е-бізнесу за допомогою аналізу локацій знаходження бізнесу, опрацювання фідбеку від користувачів, аналізу та класифікації відгуків клієнтів в режимі реального часу з соціальних мереж: Twitter, Reddit, Facebook та інші за допомогою методів глибокого навчання та Natural Language Processing українсько- та англомовних текстів. Для аналізу відугків користувачів та клієнтів використано NLP-методи. Серед методів реалізації основних функцій класифікації англомовних новин використані такі методи машинного навчання, як: наївний Баєсів класифікатор, логістична регресія та метод опорних векторів. Для класифікації українмовних відгуків від користувачів використано алгоритм Наївного Байєса, оскільки він добре показує себе на малих обсягах даних, простий у тренуванні та експлуатації та добре працює з текстовими даними. Наївний класифікатор Байєса є дуже хорошим варіантом для нашої системи і з розрахунку того, що кількість відгуків у датасеті є меншою порівняно з середніми показниками. Розроблено модель машинного навчання для аналізу та класифікації україномовних та англомовних відгуків від користувачів систем е-комерції. Висновки: створена модель показує відмінні результати класифікації на тестових даних. Загальна точність сентиментальної моделі для аналізу україномовного контенту є доволі задовільною, 92,3 %.